JP4418829B2 - 色補正方法および画像処理装置 - Google Patents

Description

本発明は、画像データにおける撮影シーンの光源の推定を行い、光源の推定結果に基づいて画像データの色補正（色調整）を行う色補正方法および画像処理装置に関するものである。

近年、デジタルカメラやコンピュータ等が普及すると共に、デジタル画像データを表示出力するディスプレイや印字出力するプリンタなどの出力機器において高品質化が進んでいる。すなわち、これらの出力機器では、画像処理技術の向上とも相まって、品質の良い画像を色再現性良く表示したり出力したりすることが行われるようになってきている。

例えば、デジタルカメラやデジタルビデオカメラ等、撮影シーンを画像として取り込む撮影機器では、撮影シーンの照明の状態によらず、画像が自然に見えるように取り込むために、例えば、Ｒ・Ｇ・Ｂの各センサーのバランスを調整する補正機構（ホワイトバランスの調整）が設けられている。しかしながら、このバランス調整が十分でなかったり、あるいは、誤った調整がなされると、取り込まれた画像は、本来有していない色に着色していたり（色カブリ）、不自然な色に再現されたりする。

そこで、撮影時の光源を推定し、取り込まれた画像の色再現性を向上させる技術が検討されている。

例えば、特許文献１には、以下の（ａ）〜（ｄ）の工程によって光源を推定する技術が開示されている。
（ａ）撮影シーンの画像データ（サンプル画素のセンサー応答）に対し、ある１つの光源（テスト光源）を想定して、この光源の分光特性の影響を除去し、上記画像データを反射率ベクトル空間に投影し画像分布を生成する。
（ｂ）次に、上記（ａ）の処理にて得られた画像分布に対し、基準の分布状態である参照分布との相関を求め、上記光源に対するスコア値（複数の評価結果の積）を求める。この参照分布は、被写体として想定できる物体表面の分光反射率のデータ（多様な代表的サンプル）を反射率ベクトル空間に投影して得られる。
（ｃ）上記（ａ），（ｂ）の処理をテスト光源別に繰り返し、それぞれのテスト光源に対するスコア値を求める。
（ｄ）全てのテスト光源のうち、最も高いスコア値を持つテスト光源を推定光源とする。
特開２００４−１６５９３２号公報（２００４年６月１０日公開） 特開２００５−１２４１８６号公報（２００５年５月１２日公開） 特開２００５−１６７９４８号公報（２００５年６月２３日公開）

しかしながら、従来の技術では、光源の推定結果が誤りであった場合に、撮像対象物の本来の色とは異なる色に着色してしまったり（色カブリ）、不自然な色に再現してしまったりするという不具合が生じる。

例えば、上記特許文献１の技術では、上記比較に用いる参照分布は物体表面の分光反射率に基づくものであるので、撮影シーンに物体からの反射光ではない光（例えば太陽からの光の散乱等）が含まれる場合、誤った光源が推定され得る。また、上記特許文献１において用いられる参照分布は代表的なサンプルの分光反射率によるものであるので、色の分布に偏りがある場合、誤った光源が推定され得る。

このため、撮像対象物からの反射光以外の光が含まれる場合や、画像データ全体の色の傾向が撮像対象物の本来の色に起因する場合などに標準的な色補正を行うと、好ましくない補正になる場合、すなわち実際の画像を忠実に再現できなくなる場合が多い。

本発明は、上記の問題点に鑑みてなされたものであり、その目的は、光源推定結果の正確さの度合い（尤度）に応じて色補正の程度を変更することのできる色補正方法および画像処理装置を提供することにある。

本発明の画像処理装置は、上記の課題を解決するために、画像データにおける撮影シーンの光源を予測する光源推定部と、光源の推定結果に基づいて上記画像データの色補正を行う色補正部とを備えた画像処理装置であって、上記光源推定部が予測した光源が上記画素データに対する実際の光源である尤度を算出する尤度算出部と、上記尤度算出部が算出した尤度に基づいて上記色補正部における上記画像データに対する色補正量を制御する補正量制御部とを備えていることを特徴としている。

また、本発明の色補正方法は、上記の課題を解決するために、画像データにおける撮影シーンの光源を予測する光源推定工程と、光源の推定結果に基づいて上記画像データの色補正を行う色補正工程とを含む色補正方法であって、上記光源推定工程で予測した光源が上記画素データに対する実際の光源である尤度を算出する尤度算出工程と、上記尤度算出工程で算出した尤度に基づいて上記色補正工程における上記画像データに対する色補正量を制御する補正量制御工程とを含むことを特徴としている。

上記の画像処理装置および色補正方法によれば、予測した光源が画素データに対する実際の光源である尤度を算出し、算出した尤度に基づいて画像データに対する色補正量を制御することができる。これにより、光源の誤判定に起因して画像データが不適切に色補正されることを抑制できる。

また、上記補正量制御部は、上記尤度算出部が算出した尤度が閾値以上の場合には上記色補正部に上記画像データに対する色補正を実行させ、閾値未満の場合には上記画像データに対する色補正を実行させない構成としてもよい。

上記の構成によれば、上記尤度が高い場合には光源の影響を取り除く色補正を適切に行うことができ、上記尤度が低い場合には光源の誤判定に起因して画像データが不適切に色補正されることを防止できる。

また、上記補正量制御部は、上記尤度算出部が算出した尤度が閾値未満の場合には閾値以上の場合よりも上記画像データに対する色補正量を少なくする構成としてもよい。また、上記補正量制御部は、上記尤度算出部が算出した尤度が小さくなるほど上記画像データに対する色補正量を少なくする構成としてもよい。

上記の各構成によれば、上記尤度が高い場合には光源の影響を取り除く色補正を適切に行うことができ、上記尤度が低い場合には光源の誤判定に起因して画像データが不適切に色補正されることを抑制しつつ、光源の影響を低減させることができる。

なお、上記画像処理装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記各部として動作させることにより、上記画像処理装置をコンピュータにて実現させるプログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に含まれる。

以上のように、本発明の画像処理装置は、上記光源推定部が予測した光源が上記画素データに対する実際の光源である尤度を算出する尤度算出部と、上記尤度算出部が算出した尤度に基づいて上記色補正部における上記画像データに対する色補正量を制御する補正量制御部とを備えている。

また、本発明の色補正方法は、上記光源推定工程で予測した光源が上記画素データに対する実際の光源である尤度を算出する尤度算出工程と、上記尤度算出工程で算出した尤度に基づいて上記色補正工程における上記画像データに対する色補正量を制御する補正量制御工程とを含んでいる。

それゆえ、予測した光源が画素データに対する実際の光源である尤度を算出し、算出した尤度に基づいて画像データに対する色補正量を制御することができる。これにより、光源の誤判定に起因して画像データが不適切に色補正されることを抑制できる。

本発明の一実施形態について説明する。なお、本実施形態では、本発明をデジタルカラー複写機の画像処理装置に適用した場合の例について主に説明する。

（１−１．デジタルカラー複写機１の構成）
図２は、デジタルカラー複写機１の概略構成を示す断面図である。この図に示すように、デジタルカラー複写機１は、カラー画像入力装置１０、カラー画像処理装置２０、およびカラー画像出力装置４０を備えている。

カラー画像入力装置１０は、光学情報を電気信号に変換するデバイス（例えばＣＣＤ等の撮像素子）を備えたスキャナ部より構成され、原稿からの反射光像により得られる画像データをＲＧＢのアナログ信号として出力する。

カラー画像入力装置１０にて読み取られた原稿の画像データ（アナログ信号）は、カラー画像処理装置２０内を、Ａ／Ｄ変換部２１、シェーディング補正部２２、入力階調補正部２３、入力補正部２４、領域分離処理部２５、色補正部２６、黒生成下色除去部２７、空間フィルタ処理部２８、出力階調補正部２９、および階調再現処理部３０の順で送られ、ＣＭＹＫのデジタルカラー信号として、カラー画像出力装置４０へ出力される。なお、デジタルカラー複写機１を、有線または無線を介して通信可能に接続された他の装置から画像データを受信したり、メモリーカード等の記録媒体から画像データを読み出したりして画像データを取得できるようにしてもよく、この場合にも取得した画像データはカラー画像処理装置２０内を上記の順で送られる。

Ａ／Ｄ変換部２１は、入力された画像データをＲＧＢのアナログ信号からデジタル信号に変換する。

シェーディング補正部２２は、Ａ／Ｄ変換部２１より送られてきたデジタルＲＧＢ信号に対して、カラー画像入力装置１０の照明系、結像系、撮像系で生じる各種の歪みを取り除く処理を施す。

入力階調補正部２３は、シェーディング補正部２２にて各種の歪みが取り除かれたＲＧＢ信号に対して、カラーバランスを整えると同時に、濃度信号などカラー画像処理装置２０に採用されている画像処理システムの扱い易い信号に変換する処理を施す。

入力補正部２４は、上記画像データに基づき、上記原稿（画像データ）の撮影シーンにおける光源の推定を行うと共に、その光源推定結果に基づいて画像データに対する色補正処理を行う。入力補正部２４の詳細については後述する。

領域分離処理部２５は、画像データのＲＧＢ信号より、入力画像中の各画素を文字領域、網点領域、写真領域の何れかに分離する。また、領域分離処理部２５は、その分離結果に基づき、画像データ中の各画素が上述のどの領域に属しているかを示す領域識別信号を生成し、この領域識別信号を黒生成下色除去部２７、空間フィルタ処理部２８、および階調再現処理部３０へと出力する。さらに、領域分離処理部２５は、入力補正部２４より入力された画像データをそのまま後段の色補正部２６に出力する。

色補正部２６は、色再現の忠実化を図るために、画像データに対して不要吸収成分を含むＣＭＹ色材の分光特性に基づいた色濁りを取り除く処理を行う。

黒生成下色除去部２７は、色補正後のＣＭＹの３色信号から黒（Ｋ）信号を生成する黒生成処理を行う一方、元のＣＭＹ信号から黒生成で得たＫ信号を差し引いて新たなＣＭＹ信号を生成する下色除去処理を行うものである。これらの処理（黒生成処理・下色除去処理）の結果、ＣＭＹの３色信号はＣＭＹＫの４色信号に変換される。

空間フィルタ処理部２８は、黒生成下色除去部２７より入力されるＣＭＹＫ信号の画像データに対して、領域識別信号を基にデジタルフィルタによる空間フィルタ処理を行い、空間周波数特性を補正する。これにより、出力画像のぼやけや粒状性劣化を軽減することができる。出力階調補正部２９および階調再現処理部３０においては、空間フィルタ処理部２８と同様に、ＣＭＹＫ信号の画像データに対して、領域識別信号に基づいて後述する所定の処理が施される。

例えば、領域分離処理部２５にて文字に分離された領域は、文字の再現性を高めるために、空間フィルタ処理部２８での空間フィルタ処理において、高周波成分の強調量が大きいフィルタが用いられる。同時に、階調再現処理部３０において、高域周波成分の再現に適した高解像度のスクリーンによる二値化もしくは多値化処理が実施される。

また、領域分離処理部２５にて網点に分離された領域に関しては、空間フィルタ処理部２８において、入力網点成分を除去するためのローパス・フィルタ処理が施される。そして、出力階調補正部２９において、濃度信号などの信号をカラー画像出力装置４０の特性値である網点面積率に変換する出力階調補正処理を行った後、階調再現処理部３０で、最終的に画像を画素に分離してそれぞれの階調を再現できるように処理する階調再現処理が施される。

領域分離処理部２５にて写真に分離された領域に関しては、階調再現性を重視したスクリーンでの二値化または多値化処理が行われる。

上述した各処理が施された画像データは、一旦記憶装置（図示せず）に記憶され、所定のタイミングで読み出されてカラー画像出力装置４０に入力される。

カラー画像出力装置４０は、画像データを紙などの記録材上に出力するもので、例えば、電子写真方式やインクジェット方式を用いたカラー画像出力装置等をあげることができるが特に限定されるものでは無い。なお、以上の処理は不図示のＣＰＵ（Central Processing Unit）により制御される。

（１−２．入力補正部２４の構成）
図３は、入力補正部２４の概略構成を示すブロック図である。この図に示すように、入力補正部２４は、色分布算出部２４１、記憶部２４２、尤度算出部２４３、光源推定部２４４、補正量制御部２４５、補正部２４６を備えている。

色分布算出部２４１は、入力された画像データの色分布（色度ヒストグラム）を求める。

色分布の算出方法は特に限定されるものではないが、例えば、入力された画像データをＣＩＥのｘ−ｙ色空間に変換し、変換した画像データにおける各色の出現頻度（度数）をｎ×ｍサイズの２次元ヒストグラムで表して、これを入力された画像データの色分布とする方法を用いることができる。このようにして生成された２次元ヒストグラムは、ｘ値をｎ階級に分割し、ｙ値をｍ階級に分割したものとなる。なお、色分布の算出に用いる色空間はＣＩＥのｘ−ｙ色空間に限るものではなく、例えば、ｒ＝Ｒ／Ｇ，ｂ＝Ｂ／Ｇやｒ＝Ｒ／（Ｒ＋Ｇ＋Ｂ），ｇ＝Ｇ／（Ｒ＋Ｇ＋Ｂ）で表されるＲＧＢに基づく色空間などを用いてもよい。また、いずれの色空間を用いた場合にも、１セットの色度データにおける離散的な度数分布によって連続確率分布を近似できる。なお、各画素を画素の色度値を含むカラーベクトルによって表現してもよい。

記憶部２４２には、平均的な撮影シーンの分光反射率を予め定めたデータである参照データの画像を複数の光源で照射した時の色分布データ（色度ヒストグラム）が光源毎に格納されている。なお、上記参照データとしては、例えば、標準サンプル（例えば、マンセルのカラーチップ）の分光反射率のデータから計算した値を用いることができる。

尤度算出部２４３は、色分布算出部２４１が入力された画像データから算出した色分布データと、記憶部２４２に格納されている各光源モデルで参照データを照射した時の色分布データとの相関に基づいて、各画素についての各光源モデルに対する尤度（入力された画像データにおける各画素の実際の光源が各光源モデルである確率）ｐ（ｘ_ｉ）、および／または、画像全体についての各光源モデルに対する尤度（入力された画像データの光源が各光源モデルである確率）ｐ（Ｘ）を算出する。

例えば、表面反射率および光源のモデルを用いて色の度数分布を近似するようにしてもよい。色の度数分布の評価方法としては、例えば、代表的な反射率関数に基づいて多数の無作為標本を作成し、光源のスペクトル強度分布ｅ（λ）の条件下で反射率関数ｒ（λ）を与える方法がある。上記反射率関数ｒ（λ）としては、例えばマンセル・マットの反射率４６２を用いることができる。センサー応答Ｒｉは、下記式（１）に示すように、センサー感度関数Ｓ（λ）に基づいて算出することができる。

また、撮像シーンにおける色分布の他の評価方法として、光源下における反射率を設定し、色度値のヒストグラムを算出する方法を用いてもよい。この方法は、大きなサンプルに対する無作為抽出法によって色度の頻度の期待値を算出する方法と等価である。２次元ヒストグラムの標準化によってｐ（Ｘ｜ｅ_ｊ）で表される頻度分布を算出できる。この第２の光源の評価方法は、例えば推定された光源に対応する表面（被写体表面）の反射率の標準光源（例えばＣＩＥ・Ｄ６５００）に対応する反射率へのマッピングに近似可能な色補正行列（色補正マトリクス）を計算するために用いることができる。この色補正行列を用いて画像の色補正を行うことにより、画像を従来の色補正技術よりも好適に補正することができる。

なお、尤度算出部２４３における尤度算出方法については後述する。

光源推定部２４４は、尤度算出部２４３が算出した各画素の尤度ｐ（ｘ_ｉ）および／または画像全体の尤度ｐ（Ｘ）に基づいて推定光源を求める。本実施形態では、光源推定部２４４がＭＡＰ（a maximum a posteriori estimator；最大事後確率）評価を行うことによって推定光源を求めるようになっている。

すなわち、入力画像データＸに対するｊ番目の光源の事後確率をｐ（ｅ_ｊ｜Ｘ）、このｊ番目の光源の事前確率をｐ（ｅ_ｊ）とする。この場合、事後確率ｐ（ｅ_ｊ｜Ｘ）はベイズの式により事前確率ｐ（ｅ_ｊ）と尤度（尤度関数）ｐ（Ｘ｜ｅ_ｊ）とによって下記式（２）のように表される。

なお、入力画像データＸの尤度ｐ（Ｘ｜ｅ_ｊ）は、画像中において画素同士が独立であると仮定すると、下記式（３）に示すように、画像中における全画素の尤度ｐ（ｘ_ｉ｜ｅ_ｊ）の積として算出することができる。

そして、光源推定部２４４は、上記のように算出される事後確率ｐ（ｅ_ｊ｜Ｘ）が最大である光源モデルを入力画像データの光源と推定する。

補正量制御部２４５は、尤度算出部２４３が算出した各画素の尤度ｐ（ｘ_ｉ）および／または画像全体の尤度ｐ（Ｘ）に基づいて、入力画像データに対する色補正量（色補正の度合い）を設定する。色補正量の設定方法の詳細については後述する。

補正部２４６は、補正量制御部２４５の設定した補正量に基づいて入力画像データの色補正を行う。

次に、入力補正部２４における処理の流れについて、図１に示すフロー図を参照しながら説明する。

入力補正部２４に入力画像データが入力されると、まず、色分布算出部２４１が入力画像データの色分布（色度ヒストグラム）を算出する（Ｓ１）。

次に、尤度算出部２４３が、記憶部２４２から各光源モデルで参照データを照らしたときの色分布データを読み出し、色分布算出部２４１の算出した入力画像データの色分布と比較することで、各光源モデルの尤度（画像全体の尤度ｐ（Ｘ）および／または各画素の尤度ｐ（ｘ_ｉ））を算出する（Ｓ２）。

次に、光源推定部２４４が、尤度算出部２４３の算出した尤度に基づいて光源を推定する（Ｓ３）。すなわち、尤度が最大である光源モデルを入力画像データの光源として推定する。

また、補正量制御部２４５が、Ｓ３で推定した光源の尤度に応じて入力画像データを複数のレベルに分類する（Ｓ５）。なお、分類方法の詳細については後述する。

そして、補正量制御部２４５は、分類結果に応じて入力画像データに対する色補正の程度を設定する（Ｓ５）。ここで、補正量制御部２４５は、尤度が低いほど補正量（補正の程度）が少なくなるように色補正の程度を設定する。例えば、補正量制御部２４５は、尤度が閾値以上であるか閾値未満であるかに応じて２段階に分類する。そして、閾値以上である場合には、Ｓ３で推定した光源の影響を完全に取り除くための色補正、すなわち推定光源の分光特性を標準光源の分光特性に置き換える色補正を行わせる。一方、閾値未満である場合には、閾値以上の場合よりも色補正の程度を低減させる。すなわち、推定光源の分光特性を推定光源と標準光源との間の分光特性に置き換える色補正を行わせる。あるいは、閾値以上である場合には色補正を行う一方、閾値未満である場合には色補正を行わないようにしてもよい。また、尤度の大きさに応じて入力画像データを多段階に分類し、尤度が小さいほど補正の程度が小さくなるように多段階に色補正量を設定してもよい。

その後、補正部２４６が、補正量制御部２４５が設定した補正量に基づいて入力画像データの色補正を行う（Ｓ６）。

（１−３．尤度の算出方法）
（１−３−１．尤度の算出方法の例１）
撮像シーンの光源についてＭＡＰ（a maximum a posteriori estimator；最大事後確率）評価を適用する。

画像データＸに与えられたｊ番目の光源ｅ_ｊの事後確率をｐ（ｅ_ｊ｜Ｘ）、このｊ番目の光源ｅ_ｊの事前確率をｐ（ｅ_ｊ）とする。この場合、事後確率ｐ（ｅ_ｊ｜Ｘ）は、ベイズの式により、事前確率ｐ（ｅ_ｊ）と尤度関数ｐ（Ｘ｜ｅ_ｊ）とによって下記式（４）のように表される。

画像中において画素同士が独立していると仮定すると、下記式（５）に示すように、画像データＸの尤度関数ｐ（Ｘ｜ｅ_ｊ）は画像データＸにおける全画素の尤度ｐ（ｘ_ｉ｜ｅ_ｊ）の積として算出される。

上記確率ｐ（Ｘ）は、下記式（６）に示すように、全光源についての周辺確率の同時確率（複合確率、結合確率）ｐ（Ｘ，ｅ）に等しい。なお、積分記号の符号Ｅは、全光源の色空間にわたって積分することを意味している。

条件付き確率の定義により、上記式（６）から下記式（７）を導くことができる。

さらに、上記式（７）より同時確率は下記式（８）のようになる。

ここで、ｐ（Ｘ｜ｅ）は画像データＸが光源ｅに対応する画像である確率を示しており、ｐ（ｅ）は光源ｅの事前確率を示している。

また、Ｍ個の個別の光源が存在する場合には、上記ｐ（Ｘ）は下記式（９）のように表される。

また、全ての光源が同様に存在しうると仮定すると、下記式（１０）に示すように条件付き確率の平均値を画像全体の尤度（確率）ｐ（Ｘ）とすることができる。

ここで、画素独立の仮定を適用すると、上記尤度ｐ（Ｘ）は、下記式（１１）に示すように各光源について条件付き確率の平均値として算出することができる。なお、ｐ（ｘ_ｉ｜ｅｊ）は、画素ｘ_ｉの光源が光源ｅ_ｊである確率を示している。

（１−３−２．尤度の算出方法の例２）
上記した尤度ｐ（Ｘ）の算出方法の例１は、尤度（確率）ｐ（ｘ_ｉ）が０に近い画素が存在している場合に、大部分の画素の尤度ｐ（ｘ_ｉ）が高い値の場合であっても、画像全体の尤度ｐ（Ｘ）が０に近い値になってしまう場合がある。そこで、この問題を解決するために、以下に示す方法によって画像全体の確率ｐ（Ｘ）を算出してもよい。

まず、画素独立の仮定の下で、一般的な損失を考慮せずに光源の事前確率が一定であると仮定し、下記式（１２）に基づいて全光源についての全画素における周辺確率ｐ（ｘ_ｉ）を算出する。

そして、全光源についての全画素における周辺確率ｐ（ｘ_ｉ）の算出結果に基づいて、画像の確率マップを作成する。この確率マップでは、光源モデルが画素の光源であり得ないことを示す値（０）、および画素の光源であり得ることを示す値（１）によって各画素の値［０，１］を示す。この確率マップを用いることにより、画素全体の尤度ｐ（Ｘ）ではなく、画素の尤度ｐ（ｘ_ｉ）の分布に基づいて分類を行うことができる。また、画素の周辺確率ｐ（ｘ_ｉ）を与えることにより、画素独立の仮定を用いて画像全体の確率ｐ（Ｘ）を下記式（１３）によって容易に算出することができる。

（１−３−３．尤度の算出方法の例３）
計算を効率的に行うために、画像のヒストグラムを用いて画像全体の尤度ｐ（Ｘ）を算出してもよい。つまり、画像の色分布（ヒストグラム）をすでに計算しているので、このヒストグラムに基づいて画像全体の尤度ｐ（Ｘ）を効率的に算出できる。

具体的には、画像全体の尤度ｐ（Ｘ）を下記式（１４）に基づいて算出する。

上記式を周辺確率関数ｆ（ｘ_ｉ）を用いて記載すると下記式（１５）になる。

Ｐ個のビン（色度データ）における色の頻度のベクトルをｇとすると、ｇは下記式のように表される。

ｇ＝［Ｎ１，Ｎ２，・・・，Ｎｐ］
全画素のヒストグラムにｇが含まれるので、下記式（１６）が成り立つ。

各画素についての上記ｆ（ｘ_ｉ）の合計は、画像の色のヒストグラムを用いて下記式（１７）のように近似できる。

ここで、各画素のｂ_ｊは、各組における色の座標を示している。なお、この近似には、各画素に対する量子化誤差ｅ（ｘ_ｉ，ｂ_ｊ）が含まれる場合がある。

ｅ（ｘ_ｉ，ｂ_ｊ）＝ｆ（ｘ_ｉ）−ｆ（ｂ_ｊ）
色度データの中心に向かうｆ（ｘ）のベクトルをｆと定義すると、下記式が成り立つ。

ｆ＝［ｆ（ｂ_１），ｆ（ｂ_２），・・・，ｆ（ｂ_ｐ）］
ベクトルｆとベクトルｇとの内積を計算することにより、下記式に示すように画像の対数確率を算出できる。

ｌｏｇ ｐ（Ｘ） ≒ ＜ｆ，ｇ＞＋Ｃ_０
（１−４．入力画像データの分類方法）
（１−４−１．入力画像データの分類方法の例１）
この実施例にかかるアルゴリズムでは、補正の要否（あるいは補正の程度）を制御するために、画像全体の尤度ｐ（Ｘ）を用いる。

具体的には、補正量制御部２４５が、画像全体の尤度ｐ（Ｘ）が予め設定された固定閾値以上であるか否かを判断する。そして、尤度ｐ（Ｘ）が固定閾値以上である場合、撮像シーンの確率モデルが適切であって、画像の実際の光源が推定された光源と一致している可能性が高いので、補正を行う（あるいは光源の影響を除去するように算出した補正量をそのまま適用して補正を行う）。

一方、確率Ｐ（Ｘ）が固定閾値未満である場合、画像が撮像シーンのモデルと一致しておらず、画像の実際の光源が推定された光源と一致していない可能性が高いので、補正を行わない（あるいは固定閾値以上の場合よりも補正量を少なくする）。

なお、上記閾値を固定値とせず、可変値にしてもよい。例えば、閾値を可変値とし、信頼性評価の結果に基づいて閾値を設定することで補正の程度を増減させるようにしてもよい。補正の程度の増減方法としては、例えば、特許文献２に開示されている方法を用いることができる。

（１−４−２．入力画像データの分類方法の例２）
画素の尤度ｐ（ｘ_ｉ）を組み合わせて得られる画像全体の尤度ｐ（Ｘ）ではなく、画素の尤度ｐ（ｘ_ｉ）の分布を用いて分類を行うようにしてもよい。

この分類方法の例では、信頼値（confidence values）の累積確率分布の評価および後述する２つのパラメータによる制御を行う。なお、逆累積分布（inverse cumulative distribution）を用いてもよい。

ｆ（ｘ）を画素の信頼値の度数分布とし、ｃ（ａ）を０≦ｘ≦ａの範囲内における累積分布とすると、ｃ（ａ）は下記式（１８）のように表される。

上記式（１８）によって算出されるｃ（ａ）を用いて、例えばｃ（ａ_０）＜ｔ_proportionの場合には補正を行わず、ｃ（ａ_０）≧ｔ_proportionの場合には補正を行うようにすればよい。

この方法では、基本的に、各画像の累積的な分布の形状を評価する。パラメータａ_０は画素の信頼値を示しており、ｃ（ａ_０）は画素の信頼値の累積度数を示している。
累積閾値ｔ_{ｐｒｏｐｏｒｔｉｏｎ}は、確率分布ｆ（ｘ）における領域を示している。

この分類方法の例は、画像セットに対するパラメータａ_０およびｔ_{ｐｒｏｐｏｒｔｉｏｎ}の２つのパラメータに対する補正パーセンテージを最大値にすることによって最適化される。
図４は、これら２つのパラメータと補正パーセンテージ（percentage correct（ＲＯＣ））との関係を示している。図４における等高線上の各点は、補正パーセンテージが互いに等しいことを示している。この図に示すように、ａ_０＝０．１およびｔ_{ｐｒｏｐｏｒｔｉｏｎ}＝０．２において補正パーセンテージは最大値０．８７５になる。最適な累積閾値ｔ_{ｐｒｏｐｏｒｔｉｏｎ}＝０．２の表面を通る断面図を図５に示す。

（１−４−３．入力画像データの分類方法の例３）
画素毎に重み付けを行い、その結果に基づいて算出される尤度を用いて光源の推定を行ってもよい。例えば、ある被写体を表す画素について、画素毎に光源を推定して推定光源の尤度（推定した光源が画素の実際の光源である確率）を求め、算出した各画素の尤度に応じて各画素の重み付けを行う。そして、上記処理を全画素について繰り返し、複数の画素の重み付け結果に基づいて光源を推定し、推定した光源についての画像全体の尤度ｐ（Ｘ）を算出する。そして、上記尤度ｐ（Ｘ）が閾値以上である場合には画素の色補正を行い（あるいは光源の影響を除去する色補正を行い）、閾値未満の場合には画素の色補正を行わない（あるいは閾値以上の場合よりも色補正の程度を小さくする）。

画素の重み付けを行うことにより、実際には有り得ない光源を推定された画素（および実際には有り得ない光源を推定された画素の領域）が最終的な評価に及ぼす影響を低減できる。実際の補正は画像全体に適用されるとしても、撮像シーンの光源の評価としてはこの方法がより好ましい。重み付けの方法および重み付けを行うシステムとしては、例えば特許文献３に記載されている方法およびシステムを用いることができる。

（１−５．処理結果の例）
上記した尤度の算出方法および入力画像データに分類方法を図６に示す画像群に適用した場合の処理結果の例を以下に示す。

図７は、図６に示した各画像の画素色度値（ＣＩＥ色度＝√（ａ^＊２＋ｂ^＊２））を用いた場合の、各画像における２次元色度ヒストグラム（色度データの中心をｘ＝０．０２５〜０，６７５までの０．０５刻みの値とし、ｙをｘと同値としたときのＣＩＥのｘ色度およびｙ色度）の占めるパーセンテージをまとめたものである。なお、以下の説明では、色度データにおける２次元ヒストグラムのパーセンテージを画像フットプリントエリア（image footprint area）という。また、図７に示した四角形は本来補正すべきでない画像を示しており、丸い点は本来補正すべきである画像を示している。

図３における全ての画像に対して補正を施した場合、適切な補正が行われた画像は４５％（１８／４０）であった。

なお、補正の適切さには補正方法および補正量が大きく影響する。また、補正を行う場合であっても、補正量が多い場合には不適切な補正になるが、補正量が少ない場合には不適切な補正にならない場合もある。上記パーセンテージはアルゴリズムの性質を評価するための一測定例であり、画像の色の傾向を大きく変更する補正を施した場合の結果を示している。

図８は、上記した尤度の算出方法の例１の方法によって画像全体の尤度ｐ（Ｘ）を算出し、上記した入力画像データの分類方法の例１によって分類を行った場合の結果を示している。なお、尤度ｐ（Ｘ）の閾値は固定値とし、閾値以上の画像を補正すべき画像、閾値未満の画像を補正すべきでない画像とした。

図中に示した×印は補正すべきでないと判定された画像を示している。このアルゴリズムによって補正すべきであると判定された画像のパーセンテージは７３％（２９／４０）であった。

また、図９（ｂ）〜図９（ｄ）は、図９（ａ）のオリジナル画像に対して尤度ｐ（Ｘ）の閾値を固定して処理を行った場合の結果を示している。図９（ｂ）に示した例では、画像全体の尤度ｐ（Ｘ）が閾値に満たないので、色補正は施されていない。図９（ｄ）に示した四角形６２は尤度を考慮しない方法によって算出された推定光源、点６４は尤度に基づいて算出された推定光源を示している。図９（ｃ）は一致表面を示す図である。

図１０〜図１２は、上記した尤度の算出方法の例２の方法によって各画素の尤度ｐ（ｘ_ｉ）を算出し、上記した入力画像データの分類方法の例２によって分類を行った場合の例を示している。

図１０（ａ）、図１１（ａ）、図１２（ａ）は、オリジナル画像である。

図１０（ｂ）、図１１（ｂ）、図１２（ｂ）は、上記した各オリジナル画像を各画素の上記尤度ｐ（ｘ_ｉ）に応じた階調で表現したグレースケール画像である。なお、このグレースケール画像は、信頼値画像（confidence images）とも呼ばれる。信頼値画像における白領域（あるいは白に近い領域）は撮像シーンモデルに適合している可能性の高い領域を示しており、黒領域（あるいは黒に近い領域）は適合しない可能性の高い領域を示している。

図１０（ｃ）、図１１（ｃ）、図１２（ｃ）は、画素の尤度ｐ（ｘ_ｉ）のヒストグラムを示している。図１０（ｄ）、図１１（ｄ）、図１２（ｄ）は、画素の尤度ｐ（ｘ_ｉ）の分布の累積（累積ヒストグラム）を示している。

また、図１０は補正を行うべきであると適切に判断される例を示しており、図１１は補正を行うべきでないと適切に判断される例を示している。また、図１２は実際には補正を行うべきではないにも関わらず、補正を行うべきであると不適切に分類される例を示している。

図１３は、図６に示した各画像について信頼値画像の累積ヒストグラムに基づいて分類を行った結果を示すグラフである。補正を行うべきと判定された画像は点（例えば符号１０２参照）、補正を行うべきでないと判定された画像は正方形（例えば符号１０４参照）で示されている。×印（例えば符号１０６参照）は補正すべきでない画像であるにもかかわらず補正を行うべきであると誤判定された画像を示しており、三角印（例えば符号１０８参照）は補正を行うべきであるにもかかわらず補正を行うべきでないと誤判定された画像を示している。この分類方法による分類結果における補正すべき画像のパーセンテージ（ＲＯＣ）は、８７．５％（３５／４０）であった。

（１−６．撮像シーンの確率モデルの他の実施例）
画素の尤度ｐ（ｘ_ｉ）および画像全体の尤度ｐ（Ｘ）を算出するための確率モデルは、上記した例に限るものではなく、多様な確率モデルを用いることができる。どの確率モデルを用いるかは、上記したほとんどの実施例において画素の尤度ｐ（ｘ_ｉ）および画像全体の尤度ｐ（Ｘ）の利用にはほとんど影響しない。

例えば、より好ましい分類および補正を行えるように、光源の事前確率が一定であるという仮定を撤回して実際の光源の事前確率を用いてもよい。光源の事前確率の一例として、例えば、黒体放射体（blackbody radiators）の軌跡や太陽光の軌跡からの距離に基づく確率が用いることができる。これらの軌跡は、青みがかった色から黄色がかった色まで変動し、野外の撮像シーンにおける光源に近似できる。撮像シーンの分類（例えば、室内であるか野外であるかなど）を行うために、光源の事前確率を一定とせず、実際の光源の事前確率に応じた事前確率関数を用いることにより、評価の正確性をより高めることもできる。

また、与えられた画像の集合体に基づいて生成される他の確率モデルを用いてもよい。単純な反射率セットは撮像シーンにおける実際の色の確率分布を反映しない（例えば、多数の植物を含む野外の写真は緑がかっていることが多い）が、実際の色の確率分布を反映させることができるように入力画像データに基づいて確率モデルを設定するようにしてもよい。これにより、単純な反射率セットを用いる方法よりも、より好ましい画像の分類を行うことができる。

（１−７．確率モデルに関する有効性試験）
確率モデルが不適切な場合、光源の評価は不正確になる場合がある。そして、光源の評価が不正確な場合、不適切な色補正を行ってしまう場合が多くなる。そこで、確率モデルの有効性試験を行って、入力画像データが確率モデルから逸脱している程度を検出し、逸脱している程度に応じて補正量を減少させるようにしてもよい。補正量の増減方法としては、例えば特許文献２に記載されている方法を用いることができる。

図１４（ａ）および図１４（ｂ）はヒマワリ畑のデジタル写真画像であり、図１４（ａ）はオリジナル画像、図１４（ｂ）は公知の方法で色補正を行った画像である。なお、図１４（ｂ）は、ＭＡＰ評価アルゴリズムが適切に行われなかった場合の例を示している。この図に示し例では、画像の光源が黄色であると推定され、この推定結果に基づいて色補正が行われている。補正後の画像は、青緑がかった色の方向へ顕著にシフトしており、実際の画像を忠実に再現できていない。

図１５（ａ）および図１５（ｂ）は、明るい表面の色が光源に起因する色であると誤認された場合の他の例を示しており、図１５（ａ）はオリジナル画像、図１５（ｂ）は公知の方法で色補正を行った画像を示している。この例では、光源が赤系の色であると推定され、その結果、不適切な色補正が行われている。図１５（ｃ）は事後確率分布あるいは「一致表面」を示している。図１５（ｃ）におけるａ^＊ｂ^＊平面からの高さは、画像データの実際の光源である確率（尤度）を示している。図１５（ｄ）は、光源として評価された点のａ^＊ｂ^＊平面における座標を示している。

（１−７．光源の推定方法の他の実施例）
また、本実施形態では、各光源モデルについて入力画像データの実際の光源である確率（尤度）ｐ（Ｘ）を算出し、尤度ｐ（Ｘ）が最大である光源モデルを推定光源としているが、これに限るものではなく、他の方法によって光源を推定するようにしてもよい。

例えば、図１６に示すように図３の構成に加えて評価値算出部２４７を設け、評価値算出部２４７が、色分布算出部２４１がＳ１で算出した入力画像データの色分布と、記憶部２４２から読み出した各光源モデルで参照データを照射した時の色分布との相関に基づいて各光源モデルについての評価値を算出し、光源推定部２４４が評価値算出部２４７の算出した評価値に基づいて光源を推定するようにしてもよい。この場合、尤度算出部２４３が光源推定部２４４の推定した光源についての尤度を算出し、補正量制御部２４５が尤度算出部２４３の算出した尤度に基づいて補正の程度を設定するようにすればよい。

上記評価値の算出方法は、本発明において特に限定されるものでは無く、従来の光源推定において用いられている手法（例えば、特許文献１におけるスコア値の算出方法）などを適用可能である。また、上記評価値は、差分、内積、ノルムなどベクトル間の差異を表す値であれば相関以外の数値であってもよい。

また、評価値に基づく光源の推定方法は特に限定されるものではないが、例えば以下に示す方法を用いることができる。すなわち、複数の光源モデルがマトリクス状に配置されたxｙ平面において、近接する４つの光源モデルを頂点とする格子を１つのブロック（２×２光源モデルのブロック）とし、各ブロックにおける評価値合計として、ブロック内の４つの光源モデルに対する評価値の合計を算出する。そして、各ブロックにおける評価値合計の算出結果に基づいて、評価値合計が最大となるブロックを抽出する。なお、評価値合計が最大となるブロックを抽出することは、予め準備された複数の光源モデルの中から、推定光源の近傍にあると予定される所定数の光源モデルを抽出することを意味する。

その後、抽出されたブロックを構成する光源モデルの評価値を用いて、演算によって推定光源を求める。演算方法としては、例えば、下記の方法を用いることができる。すなわち、２×２光源モデルを１ブロックとした場合に、それぞれの光源モデルに対しての評価値および色度図上の座標から、推定光源の座標を以下の（１９）式および（２０）式により計算する。

なお、各ブロックの形状およびサイズは上記した例に限るものではない。例えば、多角形形状（例えば三角形）であってもよい。また、上記例では、ブロックのサイズが２×２光源モデルであるため、各ブロックは重なり合う領域を有さないが、ブロックのサイズも任意であり、各ブロックが重なり合う領域を有していてもよい。例えば、ブロックのサイズを３×３光源モデルとすれば、各ブロックは重なり合う領域を有するように設定することも可能である。

また、事後モード（posterior mode）、事後手段（posterior mean）、あるいはベイズ費用関数（Bayes cost function）を最小値にする技術を適用してもよい。また、最尤推定法により、事前確率の重みを考慮しない事後関数を用いてもよい。

また、画素間の空間依存性（実像と共通）がより複雑な画像の確率モデル（例えばマルコフ確率場（Markov random fields）を用いるモデル）を用いてもよい。また、各画素を、画素の色度値を含むカラーベクトルによって表現してもよい。

（１−８．プリンタドライバの実施形態）
本発明の画像処理方法（光源推定方法および色補正方法）は、ソフトウェア（アプリケーションプログラム）として実現することが可能である。この場合、上述した画像処理方法を含んだ画像処理をアプリケーション・ソフトウェアとして実現し、該アプリケーション・ソフトウェアを組み込んだプリンタドライバとしてコンピュータやプリンタに設けることができる。このようなプリンタドライバは、デジタルカメラ、フラットベッドスキャナなどの画像入力装置からコンピュータを介さずに直接入力された画像データをプリンタから出力するために、プリンタのファームウェアにより輝度階調の補正を実施する。

上記プリンタドライバを備えたプリンタの構成例を図１７に示す。図１７に示すプリンタ２は、カラー画像処理装置５０、カラー画像出力装置６０、および操作パネル７０を備えて構成されている。また、カラー画像処理装置５０は、復号処理部５１、色変換部５２、入力補正部５３、色補正部５４、黒生成下色除去部５５、空間フィルタ処理部５６、出力階調補正部５７、および階調再現処理部５８を備えて構成されている。

復号処理部５１は、デジタルカメラなどから入力されたＹＣｂＣｒの圧縮画像データ（符号化データ）を復号し、さらに逆量子化、逆直交変換を行って画像データに変換する。色変換部５２は、輝度信号と色差信号とからなる上記画像データを、ＲＧＢ信号あるいはＲＧＢ信号を補色反転したＣＭＹ（Ｃ：Cyan、Ｍ：Magenta、Ｙ：Yellow）信号に再変換する。

入力補正部５３は、入力画像データの光源の推定および光源推定結果に基づく色補正処理を行う。すなわち、入力補正部５３は、図２における入力補正部２４と同様の処理を行うものである。

色補正部５４は、ＲＧＢ信号あるいは補色反転したＣＭＹ信号に対して色補正処理を実施する。ここで、色補正処理とは、色再現の忠実化を目的として不要吸収成分を含むＣＭＹ色材の分光特性に基づいた色濁りを取り除く処理である。

黒生成下色除去部５５は、黒生成部と下色除去部より構成され、黒生成部では、色補正されたＣＭＹ信号に基づいて、黒（Ｋ）生成処理が行われる。そして、下色除去部では、黒信号から計算される下色の量をＣＭＹ信号から減算し、ＣＭＹＫ４色のデータに変換される。

次に、空間フィルタ処理部５６において得られた画像データに対して、デジタルフィルタによる空間フィルタ処理がなされ、空間周波数特性を補正することによって出力画像のぼやけや粒状性劣化を防ぐように処理される。そして、出力階調補正部５７で、濃度信号などの信号を画像出力装置の特性値である網点面積率に変換する出力階調補正処理が行われ、最終的に階調再現処理部５８で、画像を画素に分離してそれぞれの階調を再現できるように処理する階調再現処理がなされる。

上述した各処理が施された画像データは、一旦記憶装置に記録され、所定のタイミングで読み出されてカラー画像出力装置６０に入力される。この画像出力装置は、画像データを紙などの記録媒体上に出力するもので、例えば、インクジェット方式や熱転写方式を用いたカラー画像出力装置等があげられるが特に限定されるものでは無い。

また、操作パネル７０には、特に図示していないが、モード選択ボタン・設定ボタン・テンキー等の入力手段が含まれるものとする。そして、ユーザの指示を受け付けると共に、ユーザに対し、設定されている出力モードなどを示す機能を有している。ユーザは、この操作パネル７０を通してモードを選択することで処理をオン／オフしたり、任意にパラメータを設定したりすることができる。なお、以上の処理は不図示のＣＰＵ（Central Processing Unit）により制御される。上記光源の推定・補正処理は、操作パネル７０より画像モード、例えば、色カブリ補正モードを選択した時のみ、実施するようにしても良い。

また、本発明の光源推定処理およびその結果に基づく補正処理は、アプリケーション・ソフトウェアによって実現しても良い。この場合、コンピュータに取り込んだ画像データ（スキャナなどの画像読取装置より読み込まれた画像データ、通信回線を介してダウンロードした画像データ等）に対して、上記光源推定処理および上記補正処理を行う。これらの処理が施された画像は、ディスプレイなどの画像表示装置に表示したり、プリンタなどの画像出力装置より出力したりされる。

この場合のコンピュータシステムは、フラットベッドスキャナ・フィルムスキャナ・デジタルカメラなどの画像入力装置、所定のプログラムがロードされることにより上記画像処理方法など様々な処理が行われるコンピュータ、マウスやキーボードなどのユーザーインターフェース、コンピュータの処理結果を表示するＣＲＴディスプレイ・液晶ディスプレイなどの画像表示装置およびコンピュータの処理結果を紙などに出力するプリンタなどの画像出力装置により構成される。さらには、データを保存するための外部記憶装置や、ネットワークを介してサーバなどに接続するための通信手段としてモデム、ネットワークカードなどが備えられる。

（１−９．プログラムの実施例）
また、カラー画像処理装置２０を構成する各部（各ブロック）は、ＣＰＵ等のプロセッサを用いてソフトウェアによって実現される。すなわち、カラー画像処理装置２０は、各機能を実現する制御プログラムの命令を実行するＣＰＵ（central processing unit）、上記プログラムを格納したＲＯＭ（read only memory）、上記プログラムを展開するＲＡＭ（random access memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアであるカラー画像処理装置２０の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、カラー画像処理装置２０に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによって達成される。

上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ系、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク系、ＩＣカード（メモリカードを含む）／光カード等のカード系、あるいはマスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ／フラッシュＲＯＭ等の半導体メモリ系などを用いることができる。

また、カラー画像処理装置２０を通信ネットワークと接続可能に構成し、通信ネットワークを介して上記プログラムコードを供給してもよい。この通信ネットワークとしては、特に限定されず、例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（virtual private network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、通信ネットワークを構成する伝送媒体としては、特に限定されず、例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、８０２．１１無線、ＨＤＲ、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。なお、本発明は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。

また、カラー画像処理装置２０の各ブロックは、ソフトウェアを用いて実現されるものに限らず、ハードウェアロジックによって構成されるものであってもよく、処理の一部を行うハードウェアと当該ハードウェアの制御や残余の処理を行うソフトウェアを実行する演算手段とを組み合わせたものであってもよい。

また、本実施形態にかかる色補正方法のアルゴリズムは、撮像シーンに含まれる物の物理的な色に起因する色ずれと、色補正エラーに起因する色ずれと、撮像シーンにおける光源の色に起因する色ずれとを識別する方法に関するものであると表現することもできる。また、本実施形態にかかる方法およびシステムは、画像データに示されている補正すべき色の撮像シーンに応じた色への補正を改善するためのものであると表現することもできる。本実施形態にかかる方法およびシステムは、画像に対して色補正を行うべきか否かを決定する段階を含んでいると表現することもできる。また、本実施形態にかかる方法及びシステムは、撮像シーンに含まれる色要素に応じて色補正量を増大させたり低減したりする構成であってもよい。

また、本実施形態では、確率的色補正アルゴリズム（probabilistic colorbalance correction algorithm）を用いるようにしてもよい。この場合、撮像シーンのカラーモデルの一例が設定され、このモデル内においてある画像がどの程度代表的（representative）であるかを評価する。このプロセスは、入力画像がモデルから統計的に逸脱することを検知することに似ている。また、本実施形態では、実際にはありそうもない撮像シーンの色あるいは光源の色（数学的な条件が大きく異なっている）であって、補正すべきでない画像を自動的に検知するようにしてもよい。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、上述した実施形態において開示された各技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

入力された画像データから撮影時の光源色を推定して、その推定光源に基づいて画像補正を行うことができ、カラー複写機やカラープリンタ等の用途に適用できる。

本発明の一実施形態にかかる画像処理装置における処理の流れを示すフロー図である。 本発明の一実施形態にかかる画像処理装置を備えたカラー複写機の概略構成を示すブロック図である。 本発明の一実施形態にかかる画像処理装置に備えられる入力補正部の概略構成を示すブロック図である。 本発明の一実施形態にかかる画像処理装置における、信頼値ａ_０および累積閾値ｔ_{ｐｒｏｐｏｒｔｉｏｎ}の２つのパラメータに対する補正パーセンテージの関係を示すグラフである。 図４に示したグラフにおいて累積閾値ｔ_{ｐｒｏｐｏｒｔｉｏｎ}＝０．２としたときの信頼値ａ_０と補正パーセンテージとの関係を示すグラフである。 テスト画像群のサムネイル画像を示す図である。 図６に示したテスト画像の最適な分類結果を示すグラフである。 本発明の一実施形態にかかる画像処置装置による、画像の分類結果の一例を示す図である。 （ａ）はオリジナル画像（赤い花の画像）、（ｂ）は（ａ）のオリジナル画像に対して本発明の一実施形態にかかる方法を適用した結果の一例を示す図である。（ｃ）は（ａ）のオリジナル画像に対する事後確率分布を示しており、（ｄ）は推定された光源のａ^＊ｂ^＊平面における座標を示している。 本発明の一実施形態にかかる画像処置方法の適用結果の一例を示す図であり、（ａ）はオリジナル画像（赤いテント内の画像）、（ｂ）はオリジナル画像を各画素に対する推定光源の尤度ｐ（ｘ_ｉ）に応じた階調で表現したグレースケール画像、（ｃ）は上記尤度ｐ（ｘ_ｉ）のヒストグラム、（ｄ）は上記尤度ｐ（ｘ_ｉ）の分布の累積ヒストグラムを示している。 本発明の一実施形態にかかる画像処置方法の適用結果の一例を示す図であり、（ａ）はオリジナル画像（赤みがかった花）、（ｂ）はオリジナル画像を各画素に対する推定光源の尤度ｐ（ｘ_ｉ）に応じた階調で表現したグレースケール画像、（ｃ）は上記尤度ｐ（ｘ_ｉ）のヒストグラム、（ｄ）は上記尤度ｐ（ｘ_ｉ）の分布の累積ヒストグラムを示している。 本発明の一実施形態にかかる画像処置方法の適用結果の一例を示す図であり、（ａ）はオリジナル画像（さまざまな色の花の画像）、（ｂ）はオリジナル画像を各画素に対する推定光源の尤度ｐ（ｘ_ｉ）に応じた階調で表現したグレースケール画像、（ｃ）は上記尤度ｐ（ｘ_ｉ）のヒストグラム、（ｄ）は上記尤度ｐ（ｘ_ｉ）の分布の累積ヒストグラムを示している。 本発明の一実施形態にかかる画像処置方法の適用結果の一例を示す図であり、図６に示した各画像について信頼画像の累積ヒストグラムに基づいて分類を行った結果を示すグラフである。 （ａ）はオリジナル画像（ヒマワリ畑のデジタル写真画像）、（ｂ）は（ａ）のオリジナル画像に対して従来の光源推定方法および色補正方法を適用した結果の一例を示す図である。 （ａ）はオリジナル画像（赤い花の画像）、（ｂ）は（ａ）のオリジナル画像に対して従来の光源推定方法および色補正方法を適用した結果の一例を示す図である。（ｃ）は（ａ）のオリジナル画像に対する事後確率分布を示しており、（ｄ）は推定された光源のａ^＊ｂ^＊平面における座標を示している。 本発明の一実施形態にかかる画像処理装置に備えられる入力補正部の変形例を示すブロック図である。 本発明の一実施形態にかかる画像処理装置を備えたプリンタドライバの概略構成を示すブロック図である。

符号の説明

１ デジタルカラー複写機
２ プリンタ
１０ カラー画像入力装置
２０ カラー画像処理装置
２４ 入力補正部
４０ カラー画像出力装置
５０ カラー画像処理装置
５３ 入力補正部
２４１ 色分布算出部
２４２ 記憶部
２４３ 尤度算出部
２４４ 光源推定部
２４５ 補正量制御部
２４６ 補正部
２４７ 評価値算出部

Claims (7)

1. 撮影によって取得された画像データの色度ヒストグラムである第１色分布データを算出する色分布算出部と、
   予め定められた参照データの画像を複数の光源モデルでそれぞれ個別に照射した時の当該画像の色度ヒストグラムである第２色分布データが上記光源モデル毎に格納されている記憶部と、
   上記第１色分布データと上記第２色分布データとに基づいて、上記画像データの撮影時における実際の光源が上記光源モデルである尤度を上記光源モデル毎に算出する尤度算出部と、
   上記尤度算出部の算出した各光源モデルの尤度に基づいて、上記画像データの撮影時における実際の光源に対応する光源モデルを推定する光源推定部と、
   上記画像データに対して光源の影響を低減するための色補正を行う色補正部と、
   上記色補正部における上記画像データに対する色補正量を制御する補正量制御部とを備えており、
   上記尤度算出部は、
   上記第１色分布データと上記第２色分布データとの比較結果から画素毎に求められる当該各画素の撮影時における実際の光源が上記各光源モデルである確率を用いて上記尤度を算出し、
   上記補正量制御部は、上記光源推定部が推定した上記光源モデルに対する尤度が閾値未満の場合には閾値以上の場合よりも上記画像データに対する色補正量を少なくすることを特徴とする画像処理装置。
2. 上記尤度算出部は、
   上記尤度をｐ（Ｘ）、上記光源モデルの数をＭ、上記画像データにおける画素数をＮ、上記第１色分布データと上記第２色分布データとの比較結果から求められる画素ｘ _ｉ （ｉは１以上Ｎ以下の整数）の光源が光源ｅ _ｊ （ｊは１以上Ｍ以下の整数）である確率をｐ（ｘ _ｉ ｜ｅ _ｊ ）として、
   または
   または
   に基づいて上記尤度を算出することを特徴とする請求項１に記載の画像処理装置。
3. 上記補正量制御部は、上記推定光源に対する尤度が閾値以上の場合には上記色補正部に上記画像データに対する色補正を実行させ、閾値未満の場合には上記画像データに対する色補正を実行させないように上記色補正量を制御することを特徴とする請求項１または２に記載の画像処理装置。
4. 上記補正量制御部は、上記推定光源に対する尤度が小さいほど上記画像データに対する色補正量が少なくなるように上記色補正量を多段階に制御することを特徴とする請求項１または２に記載の画像処理装置。
5. 撮影によって取得された画像データの色度ヒストグラムである第１色分布データを算出する色分布算出工程と、
   予め定められた参照データの画像を複数の光源モデルでそれぞれ個別に照射した時の当該画像の色度ヒストグラムである第２色分布データを上記光源モデル毎に予め格納しておく記憶工程と、
   上記第１色分布データと上記第２色分布データとに基づいて、上記画像データの撮影時における実際の光源が上記光源モデルである尤度を上記光源モデル毎に算出する尤度算出工程と、
   上記尤度算出工程で算出した各光源モデルの尤度に基づいて、上記画像データの撮影時における実際の光源に対応する光源モデルを推定光源として抽出する光源推定工程、
   上記画像データに対して光源の影響を低減するための色補正を行う色補正工程と、
   上記色補正工程における上記画像データに対する色補正量を制御する補正量制御工程とを含み、
   上記尤度算出工程では、上記第１色分布データと上記第２色分布データとの比較結果から画素毎に求められる当該各画素の撮影時における実際の光源が上記各光源モデルである確率を用いて上記尤度を算出し、
   上記補正量制御工程では、上記光源推定工程で推定した上記光源モデルに対する尤度が閾値未満の場合には閾値以上の場合よりも上記画像データに対する色補正量を少なくすることを特徴とする色補正方法。
6. 請求項１から４のいずれか１項に記載の画像処理装置を動作させるためのプログラムであって、コンピュータを上記各部として機能させるためのプログラム。
7. 請求項６に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。